多目标矿业复杂图像特征提取与分类
摘要 | 第1-6页 |
ABSTRACT | 第6-12页 |
第一章 绪论 | 第12-18页 |
·图像特征提取及分类在矿业领域的研究意义 | 第12页 |
·矿业领域图像特征提取研究 | 第12-15页 |
·颜色特征提取研究 | 第13页 |
·纹理特征提取研究 | 第13-14页 |
·形状特征提取研究 | 第14-15页 |
·矿石图像的分类研究 | 第15-16页 |
·研究内容 | 第16-18页 |
第二章 矿石形状特征提取 | 第18-32页 |
·矿石图像预处理 | 第18-20页 |
·基于分水岭方法的矿石目标提取 | 第20-25页 |
·分水岭分割算法 | 第20-24页 |
·矿石图像分割实验 | 第24-25页 |
·目标区域形状特征提取 | 第25-30页 |
·目标区域边界提取 | 第25-27页 |
·区域形状特征值提取 | 第27-29页 |
·矿石形状特征提取实验 | 第29-30页 |
·本章小结 | 第30-32页 |
第三章 矿石颜色纹理特征提取 | 第32-48页 |
·矿石图像增强 | 第32-37页 |
·灰度变换增强 | 第32-34页 |
·双边滤波参数讨论 | 第34-37页 |
·矿石纹理特征提取 | 第37-41页 |
·灰度共生矩阵特点 | 第37-38页 |
·矿石目标纹理特征选取 | 第38-40页 |
·纹理特征聚类效果 | 第40-41页 |
·矿石颜色特征提取 | 第41-45页 |
·颜色模型选择 | 第42-43页 |
·矿石颜色特征提取 | 第43-44页 |
·颜色特征聚类实验 | 第44-45页 |
·本章小结 | 第45-48页 |
第四章 矿石图像目标分类 | 第48-64页 |
·图像像素颜色和纹理特征融合 | 第48-52页 |
·图像像素颜色纹理特征融合 | 第48-49页 |
·融合特征集降维 | 第49-52页 |
·特征集聚类结果及分析 | 第52页 |
·矿石目标内像素特征融合 | 第52-55页 |
·目标区域内颜色和纹理特征融合 | 第53页 |
·目标区域内纹理颜色和形态特征融合 | 第53-54页 |
·聚类结果及分析 | 第54-55页 |
·分类训练样本提取 | 第55-58页 |
·矿石目标样本的选取 | 第55-57页 |
·样本特征的提取 | 第57-58页 |
·SVM在矿石目标分类中的应用 | 第58-62页 |
·SVM核函数选择 | 第58-61页 |
·SVM分类结果分析 | 第61-62页 |
·本章小结 | 第62-64页 |
第五章 总结与展望 | 第64-66页 |
·总结 | 第64页 |
·展望 | 第64-66页 |
参考文献 | 第66-70页 |
致谢 | 第70-72页 |
研究成果及发表的学术论文 | 第72-74页 |
作者和导师简介 | 第74-75页 |
硕士研究生学位论文答辩委员会决议书 | 第75-76页 |